lida

开工 大吉 2023/1/30 大/展/宏/兔 星期一 一览众山小-可持续城市与交通 #原文/Jeff Sparrow、Cailin Crowe #翻译/张国华、莫秋婷 #校验/众山小 #文献/赖思云 #编辑/众山小 #排版/众山小 人工智能变得越来越复杂，有人说它能够写学术论文. 但AI的入侵在什么时候构成作弊呢？关注我们的澳大利亚新闻直播博客获取最新更新；获取我们全天的新闻电子邮件、免费应用程序或每日新闻播客。则二反映了智慧城市在为城市发展和领导者决策带来便利的同时，在推进智能化、数字化的过程中也逐渐浮现出潜在的一系列问题：数字不公平、居民信任、技术安全、种族歧视……未来智慧城市的建设可能道路曲折，需要更多的社区参与、居民信任和公开透明。 大学教育 面临AI挑战 全机器人论文写作：大学教育面临人工智能挑战 #01 ✦ ✦ 人工智能 敲响大学的大门 已经有一段时间了! “在讲台前等待我的下一节课开始，我旁边的两个学生正在讨论哪个AI程序最适合写他们的论文。这是我标记的吗？人工智能论文？ 历史学家卡拉·约内斯库（Carla Ionescu）上个月下旬发布的推文反馈出人们对人工智能对传统大学评估的影响越来越感到不安。“不可能，”她在推文上写到。“告诉我，我们还没到那儿。” 但人工智能敲响大学的大门已经有一段时间了。 2012年，计算机理论家Ben Goertzel提出了他所谓的“机器人大学生测试”，认为能够以与人类相同的方式获得学位的人工智能应该被视为有意识的。 Goertzel的想法—一个更著名的“图灵测试”的替代方案—可能仍然是一个思想实验，如果不是人工智能采用自然语言处理（NLP）的成功：最著名的是GPT-3，OpenAi创建的语言模型研究实验室。 两年前，计算机科学家Nassim Dehouche发表了一篇文章，证明GPT-3可以产生可无法检测到的反剽窃软件的可信学术论文。 “（我）发现输出的结果，”Dehouche告诉《澳大利亚卫报》，“无论是在可靠性还是原创性方面，都与优秀的本科生论文没有什么区别。（我的文章）最初的副标题是：“最好的行动时间是昨天，其次是现在”。它的目的是呼吁迫切需要至少更新我们对剽窃的概念。 Ben Goertzel提出了他所称的“机器人大学生测试”，认为能够以与人类相同的方式获得学位的人工智能应该被视为有意义的。 他认为，现在的我们已经远远超过了学生可以使用算法方法生成完整论文（和其他形式的写作）的时代。 “对于有抱负的作家来说，这将是一个很好的练习”他说，“是一种反向图灵测试：‘你能写出一页人工智能无法生成的文本，并解释为什么吗？’据我所知，除非有人报告了原始数学定理及其证明，否则这是不可能的。但我很想被证明是错误的。” 许多其他人现在也有同样的紧迫感。在新闻和评论文章中，GPT-3令人信服地阐述了它是否会对人类构成威胁（它说它没有），以及鲍勃·迪伦和威廉·莎士比亚风格的关于虐待动物的文字。 一篇关于人工智能论文写作的2021《福布斯》（Forbes）文章以一个戏剧性的小插曲中而达到高潮：“这篇文章是关于使用人工智能在学校写论文的文章，”它解释道，“是使用人工智能内容写作工具写的。” 当然，科技行业是在毫无根据的炒作而繁荣起来的。上个月，斯科特·格雷厄姆（S Scott Graham）在《高等教育内幕》（Inside Higher Education）的一篇文章中谈到鼓励学生使用该技术完成作业，结果喜忧参半。他说，最好的情况会满足最低的要求，但仅此而已。较弱的学生很挣扎，因为给系统提供有效的提示（然后编辑它的输出）需要足够高的写作技能，而这其实使人工智能变得多余。...

最近，芝加哥大学的研究团队发表了一篇突破性的研究，展示了大型语言模型（LLM），特别是 OpenAI 开发的 GPT-4，如何在财务报表分析领域取得了与专业分析师相匹配甚至超越的表现。这项研究不仅凸显了人工智能在高级财务分析中的潜力，也可能对未来的决策过程产生深远影响。 在这项研究中，GPT-4 被用来分析标准化且匿名的财务数据，如资产负债表和损益表，以预测企业的未来收益增长。研究结果令人瞩目——即便在缺乏任何文本背景的情况下，GPT-4 的性能依然出色。 * 芝加哥大学研究人员的一项研究发现，OpenAI 的 GPT-4 模型在预测企业收益方面的表现优于人类分析师，准确率达到 0.604，F1 得分达到 0.609。研究人员使用了一种新颖的方法，即提供结构化财务数据和“思路链”提示来指导 AI 的推理。（来源：芝加哥大学） 研究者引入了一个创新方法，即“思路链”技术，用以引导 GPT-4 模拟金融分析师的思维过程。通过这种方式，GPT-4 能够识别趋势、计算关键财务比率，并综合信息，从而形成对未来收益的预测。使用这一方法，GPT-4 在预测未来收益的方向上达到了 60% 的准确率，明显高于传统分析师的 53%-57% 准确率。 研究团队指出，LLM 的成功可能源于其庞大的知识库和卓越的模式识别能力。这些模型能够进行直觉式推理，即使在信息不完整的情况下也能作出判断。 * 芝加哥大学的研究人员通过向 GPT4 提供匿名标准化财务报表并用“思路链”提示引导其推理，测试了 GPT4 的财务分析能力。 然后，该模型预测了未来收益变化的方向、幅度和信心。 （来源： 芝加哥大学） 尽管语言模型在处理数值数据方面面临挑战，GPT-4 在这一领域的表现仍然引人注目。如研究合著者 Alex Kim 所述，尽管 LLM 在处理文本数据时表现出色，但其对数字的处理能力通常依赖于叙述上下文，而缺乏深入的数字推理能力。 虽然有评论指出，研究所用的“ANN”模型可能不代表量化金融领域的最新进展，但GPT-4 对专业机器学习模型的性能的匹敌，甚至超越人类专家的表现，都显示了它在财务领域潜在的颠覆性影响。...